Learning Analytics Et felt I udvikling Frederik V

Learning Analytics -Et felt I udvikling Frederik V. Kobbelgaard Aalborg Universitet

Definition “the measurement, collection, analysis and reporting of data about learners and their contexts, for purposes of understanding and optimising learning and the environments in which it occurs” (Siemens, 2010)

Faktorer driver udviklingen af LA • Big Data En teknisk udfordring: Hvordan kan vi skabe værdi fra store datasæt med læringsdata? • Online læring En lærings udfordring: Hvordan kan vi optimere mulighederne for online læring? • Politisk aspekt En politisk/økonomisk udfordring: Hvordan kan vi optimere læring og læringsresultater på et nationalt og internationalt niveau? (Ferguson, 2012)

LA’s oprindelse Feltet blev “skabt” på den første Learning Analytics and Knowledge Conference I 2011 (Ballard, 2012)

Learning- og Academic Analytics (Siemens & Long, 2016)

Karakteristika for LA • Det er ikke begrænset til et specifikt værktøj, en teknik eller miljø • Det bygger for nuværende primært på data indhentet online informationssystemer (“digital breadcrumbs”), såsom: Log ind og log ud, clickstreams, ressource benyttelse og tekstuelle input (Rubel & Jones, 2016) • Med udvikling af teknologi er det nu også muligt at samle data fra co-lokaliseret samarbejde, dette såsom: synsretning, gestikulering og kropslig bevægelse (Blikstein & Worsley, 2016)

Impact af LA predictive analytics til at holde studerende på deres studier og øge deres succesrate Analyser for pathway planning og adaptiv læring Optimering af lærings design for at øge studerendes engagement (fx. social netværks analyse til at visualisere interaktion på online fora, således at disse kan understøttes) (Sclater, Webb, & Danson, 2017)

Udfordringer Tidlige udfordringer (Ferguson, 2012): 1. At bygge stærke forbindelser til læringsvidenskaben 2. At udvikle metoder til at kombinere store mængde datasæt med henblik på at understøtte læringsmiljøer 3. At have fokus på den studerendes perspektiv 4. At udvikle og aktivt applikere stærke etiske principper Nyere udfordringer: 1. At bevise succesfuld implementation af LA 2. At udvikle multimodale LA værktøjer til at understøtte et overordnet blended læringsmiljø (Ferguson & Clow, 2017)

Multimodal Learning Analytics • Multimodal dataindsamling og analyse Tekst og taleanalyse Håndskrifts- og tegneanalyse Bevægelses- og gestikuleringsanalyse Emotionel analyse Neurofysiologisk data synsretningsanalyse (Blikstein & Worsley, 2016)

Etiske principper • Transparens ift. Studerendes velvilje Hvilke data der bliver indsamlet, samt hvordan det bliver indsamlet, opbevaret og benyttet. Hvilke og hvordan data bliver delt med eksterne aktører Historiske data Adgang til data og analyse heraf • Studerendes egenbestemmelse Kan studerende tilgå og modificere data samlet omkring dem selv? • Sikkerhed Hvem skal have adgang til data? (hvor går grænsen for skade og gavn) Anonymisering af delt data • Ansvar og brugsregler (Pardo & Siemens, 2014)

Eksempler for brug af LA Både praktisk og konceptuelt

DTP Solutionpath

DTP Solutionpath

Brightspace Degree compass

Cogbooks

Social Network Analysis • (Daradoumis, Martínez-Monés, & Xhafa, 2006)

The manikin project • (Martinez-Maldonado et al. , 2017)

The manikin project

The manikin project

References • Arnold, K. E. , & Pistilli, M. D. (2012). Course Signals at Purdue: Using Learning Analytics to Increase Student Success. In Proceedings of the 2 Nd International Conference on Learning Analytics and Knowledge (pp. 267– 270). New York, NY, USA: ACM. https: //doi. org/10. 1145/2330601. 2330666 • Ballard, C. (2012). Learning Analytics - Improving Student Retention [Power. Point slides]. Retrieved from https: //www. slideshare. net/Chris. Ballard/learning-analytics-improving-student-retention. • Blikstein, P. , & Worsley, M. (2016). Multimodal Learning Analytics and Education Data Mining: Using Computational Technologies to Measure Complex Learning Tasks. Journal of Learning Analytics, 3(2), 220– 238. https: //doi. org/10. 18608/jla. 2016. 32. 11 • Chatti, M. A. , Lukarov, V. , Thüs, H. , Muslim, A. , Yousef, A. M. F. , Wahid, U. , Greven, C. , Chakrabarti, A. , Schroeder, U. (2014). Learning Analytics: Challenges and Future Research Directions. eleed, Iss. 10. • Daradoumis, T. , Martínez-Monés, A. , & Xhafa, F. (2006). A layered framework for evaluating on-line collaborative learning interactions. International Journal of Human-Computer Studies, 64(7), 622– 635. https: //doi. org/10. 1016/j. ijhcs. 2006. 02. 001 • Ferguson, R. (2014). Learning Analytics: drivers, developments and challenges. TD Tecnologie Didattiche, 22(3), 138– 147. • Ferguson, R. , & Clow, D. (2017). Where is the Evidence? : A Call to Action for Learning Analytics. In Proceedings of the Seventh International Learning Analytics & Knowledge Conference (pp. 56– 65). New York, NY, USA: ACM. https: //doi. org/10. 1145/3027385. 3027396

References • Martinez-Maldonado, R. , Power, T. , Hayes, C. , Abdiprano, A. , Vo, T. , Axisa, C. , & Buckingham Shum, S. (2017). Analytics Meet Patient Manikins: Challenges in an Authentic Small-group Healthcare Simulation Classroom. In Proceedings of the Seventh International Learning Analytics & Knowledge Conference (pp. 90– 94). New York, NY, USA: ACM. https: //doi. org/10. 1145/3027385. 3027401 • Pardo, A. , & Siemens, G. (2014). Ethical and privacy principles for learning analytics. British Journal of Educational Technology, 45(3), 438– 450. https: //doi. org/10. 1111/bjet. 12152 • Rubel, A. , & Jones, K. M. L. (2016). Student privacy in learning analytics: An information ethics perspective. The Information Society, 32(2), 143– 159. https: //doi. org/10. 1080/01972243. 2016. 1130502 • Sclater, N. , Webb, M. , & Danson, M. (2017). The future of data-driven decision-making. Retrieved from https: //www. jisc. ac. uk/reports/the-future-of-data-driven-decision-making • Siemens, G. , & Long, P. (2011). Penetrating the Fog: Analytics in Learning and Education. EDUCAUSE Review, 46(5), 30– 36. • Stokes, L. (2015, November 9). Poster at i. HCI conference in Dublin. Retrieved 29 November 2017, from http: //www. learningmaking. eu/poster-at-ihci-conference-in-dublin/ • Worsley, M. , Abrahamson, D. , Blikstein, P. , Grover, S. , Schneider, B. , & Tissenbaum, M. (2016). Situating Multimodal Learning Analytics. In Proceedings of the International Conference of the Learning Sciences 2016 (pp. 1346– 1349). Singapore. Retrieved from https: //www. researchgate. net/publication/309154985_Situating_Multimodal_Learning_Analytics